Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуX: @ArtificialAnlys→ оригинал

Модель Tencent Hy4 чинит 76% реальных уязвимостей в коде и обходит DeepSeek на 6 пунктов

Tencent выпустила модель Hy4, и лаборатория Artificial Analysis проверила, как она находит и чинит настоящие дыры в коде. В тесте CWE-Bench-AA она решила 76% задач, на 6 пунктов больше DeepSeek V4.1 Flash. В сводном Cyber Index у неё 58%: третье место после Kimi K3.1 Pro (64%) и GPT-6 Sol (69%). Для автоматического код-ревью это сильный вариант по цене около $0,92 за задачу.

AI-обработка оригинала X: @ArtificialAnlys; редакция Hamidun News
Модель Tencent Hy4 чинит 76% реальных уязвимостей в коде и обходит DeepSeek на 6 пунктов
Источник: X: @ArtificialAnlys. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @ArtificialAnlys ↗
Главный редактор
CWE-Bench-AAагент ищет и исправляет реальные уязвимости из каталога CWE
Ключевой факт #2На 2 пункта выше Grok 4.7 (xhigh) и примерно в 11 раз дешевле
Ключевой факт #3На задачу уходит 64 тыс. выходных токенов, на 43% меньше, чем у DeepSeek

Представьте, что в вашем репозитории спрятана классическая дыра: запрос к базе собирается из пользовательского ввода, и через него можно вытащить чужие данные. Нужно, чтобы ИИ-агент сам нашёл это место, понял причину и предложил исправление. Именно такие задачи всё чаще отдают моделям, и тут важны две вещи: как часто модель справляется и сколько стоит прогнать её по большому числу задач. Независимая лаборатория Artificial Analysis проверила новую модель Tencent Hy4 и получила неплохой ответ по обоим пунктам: 76% решённых задач в тесте на поиск и исправление уязвимостей и около $0,92 за задачу.

Что значат цифры в тесте

Artificial Analysis ведёт собственный Cyber Index: это сводный рейтинг того, насколько модели хороши в задачах кибербезопасности. Hy4 набрала в нём 58%. Это третье место: на один пункт впереди DeepSeek V4.1 Flash 1017 (max), но позади Kimi K3.1 Pro (64%) и GPT-6 Sol (Daybreak Blue, max) с 69%. У GPT-6 Sol в этой конфигурации стоит пометка trusted-access: доступ к ней дают не всем, а проверенным пользователям.

Самый заметный результат Hy4 получила в отдельном тесте CWE-Bench-AA. Так называется реализация Artificial Analysis бенчмарка CWE-bench v1. Агенту дают настоящие уязвимости в программном обеспечении, и он должен их найти и исправить. CWE — это общепринятый каталог типов программных слабостей: от переполнения буфера до SQL-инъекций. Hy4 решила 76% задач, это первое место. От DeepSeek V4.1 Flash 1017 (max) её отделяют 6 пунктов.

Деньги и токены

Цена API у Hy4 — $0,834 за миллион входных токенов и $2,501 за миллион выходных. Но агент много «думает» и пишет, поэтому для него важнее цена за целую задачу. Artificial Analysis оценивает её в $0,92. С такой стоимостью Hy4 лежит на границе Парето в координатах «способности — цена»: в сравнении нет модели, которая была бы одновременно и сильнее, и дешевле.

Соседи по рейтингу выглядят так:

  • Grok 4.7 (xhigh) набирает на 2 пункта меньше, а стоит примерно в 11 раз дороже;
  • DeepSeek V4.1 Flash 1017 (max) отстаёт на 1 пункт в общем индексе и обходится примерно вдвое дешевле Hy4.

Получается, Hy4 не самая дешёвая модель в сравнении, зато заметно сильнее в поиске и исправлении уязвимостей.

Есть и данные по «многословности». Hy4 тратит около 64 тысяч выходных токенов на задачу. Это на 43% меньше, чем у DeepSeek V4.1 Flash 1017 (max), и на 37% меньше, чем у Grok 4.7 (xhigh). Зато она пишет на 49% больше, чем Kimi K3.1 Pro, и на 56% больше, чем GPT-6 Sol. Чем меньше токенов, тем быстрее и дешевле работает агент, так что по этому показателю Hy4 в середине списка.

Что с этим делать

Если вы встраиваете ИИ в проверку кода, сканирование зависимостей или автоматические патчи, Hy4 стоит добавить в список для пробного прогона. Особенно когда бюджет ограничен, а точность нужна выше, чем у самых дешёвых моделей.

Оговорки такие:

  • Это данные одной независимой лаборатории и её собственной реализации бенчмарка. На ваших репозиториях, языках и типичных ошибках результат может отличаться.
  • В общем индексе Hy4 уступает Kimi K3.1 Pro и GPT-6 Sol. Если нужен максимум по всем киберзадачам, а не только поиск и правка уязвимостей, выбор может быть другим.
  • У GPT-6 Sol ограниченный доступ, поэтому для обычной команды прямое сравнение не всегда реалистично.

Практическая схема простая. Возьмите 20–50 реальных багов или CVE из своей кодовой базы, прогоните через Hy4 и пару конкурентов, сравните долю верных исправлений и итоговую цену за задачу. По этой цене станет ясно, можно ли запускать агента на каждый коммит или только на критичные модули.

Для рынка новость тоже показательна. Китайские лаборатории всё увереннее занимают верхние строки прикладных рейтингов, а конкуренция идёт уже не только по точности, но и по стоимости одной решённой задачи.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что значат цифры в тесте?

Artificial Analysis ведёт собственный Cyber Index: это сводный рейтинг того, насколько модели хороши в задачах кибербезопасности. Hy4 набрала в нём 58%. Это третье место: на один пункт впереди DeepSeek V4.1 Flash 1017 (max), но позади Kimi K3.1 Pro (64%) и GPT-6 Sol (Daybreak Blue, max) с 69%. У GPT-6 Sol в этой конфигурации стоит пометка trusted-access: доступ к ней дают не всем, а проверенным пользователям. Самый заметный результат Hy4 получила в отдельном тесте CWE-Bench-AA.

Что известно по теме: деньги и токены?

Цена API у Hy4 — $0,834 за миллион входных токенов и $2,501 за миллион выходных. Но агент много «думает» и пишет, поэтому для него важнее цена за целую задачу. Artificial Analysis оценивает её в $0,92. С такой стоимостью Hy4 лежит на границе Парето в координатах «способности — цена»: в сравнении нет модели, которая была бы одновременно и сильнее, и дешевле.

Что известно по теме: что с этим делать?

Если вы встраиваете ИИ в проверку кода, сканирование зависимостей или автоматические патчи, Hy4 стоит добавить в список для пробного прогона. Особенно когда бюджет ограничен, а точность нужна выше, чем у самых дешёвых моделей. Оговорки такие: Это данные одной независимой лаборатории и её собственной реализации бенчмарка. На ваших репозиториях, языках и типичных ошибках результат может отличаться. В общем индексе Hy4 уступает Kimi K3.1 Pro и GPT-6 Sol.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…